CN119274687B 基于跨视图对比学习的药物-疾病关联预测方法及系统 （大连海事大学）_第1页
CN119274687B 基于跨视图对比学习的药物-疾病关联预测方法及系统 （大连海事大学）_第2页
CN119274687B 基于跨视图对比学习的药物-疾病关联预测方法及系统 （大连海事大学）_第3页
CN119274687B 基于跨视图对比学习的药物-疾病关联预测方法及系统 （大连海事大学）_第4页
CN119274687B 基于跨视图对比学习的药物-疾病关联预测方法及系统 （大连海事大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于跨视图对比学习的药物-疾病关联预测并训练药物疾病关联概率预测模型：整合语义务学习方式将隐含知识通过底层共享参数从对用随机扰动进行对比视图增强所造成的药物与2所述融合后的药物向量表示和疾病向量表示作为融通过多任务学习方式将隐含知识通过底层共享参数从对比学习迁移至2.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在根据药物指纹相似性以及高斯互作谱核相似性，计算任意药物之间根据疾病表型相似性以及高斯互作谱核相似性，计算任意疾病之间3.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在其中，""表示药物u在第l层融合后的向量表示，表示疾病v在第l层融合后的向4.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在35.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在6.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在7.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在8.根据权利要求1所述的基于跨视图对比学习的药物一疾病关联预测方法，其特征在4融合视图表示模块，整合语义视图和交互视图，获得融合后的药物疾病关联概率预测模块，利用融合后的药物、疾病向量表示通过预测器输出药模型训练模块，对融合视图与语义视图进行跨视图对比学习；对融合5扰动的对比视图增强策略造成图拓扑结构中药物与疾病间必要的关联信息6[0023]利用HeterogeneousGraphTransformer模型生成交互视图下的药物、疾病向量7关联预测主任务进行联合优化，使得隐含知识通过底层共享参数从辅助任务迁移至主任8员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范构和语义信息。为充分编码并保留两个视图中的关键信息，本发明采用两种Graph[0060]S1、根据药物指纹相似性(drugfingerprintsimilarity)以及高斯互作谱核相似性(Gaussianinteractionprofilekernelsimilarity)计算任意药物之间的相似性。9根据疾病表型相似性(diseasephenotypesimilarity)以及高斯互作谱核相似性计算任将邻居节点j映射为一个键向量以及一个值向量其中h表示第应的缩放点积注意力用于计算查询向量与键向量间的其中h同样代表第h个注意力头，并将注意力头总数设置为H，w",w"以及w"为节别为以及N,利用多头自注意力机制对上述两个向量进行融合，药物u在第l层融合后的向量表示记作".".对所将融合视图与语义视图进行对比，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论